在超宽带测距定位中,实现非视距(non-line of sight,NLOS)传播的正确鉴别与消除具有非常重要的意义。提出以实测数据为基础,采用多参数的机器学习方法对超宽带信号进行NLOS鉴别和测距误差消除研究,并对波形特征参数的选取进行了分析和优化。数据结果表明,相比较传统NLOS鉴别方法,该方法不需要先验知识、实用性强,在鉴别的准确度和误差消除方面有较大的提升。
针对无线传感器网络节点低成本、低运算能力的特点,基于脉冲超宽带技术的无线传感器网络提出了一种基于能量检测的两步测距法。这种方法针对DP(direct path)分量进行TOA(time of arrival)估计,具体包含对DP所在能量块的广义似然比检验和能量块内对DP精确位置的极大似然估计两部分。给出了DP能量块检测概率和估计结果的闭合表达式,通过理论和数值分析了积分长度等系统参数对于TOA估计性能的影响,并建立了估计误差的数学模型。最后通过仿真结果进行了性能比较,并验证了分析结论。与传统方法比较的结果表明,该算法可以在复杂度较低的条件下取得一定的性能提升。